本文關(guān)鍵詞：基于聚類算法的多屬性復(fù)雜大群體決策方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 多屬性復(fù)雜大群體決策(Multi-attribute Complex Huge Group-decision，MCHGD)作為一種決策領(lǐng)域新的發(fā)展趨勢(shì)，越來(lái)越被理論界和實(shí)業(yè)界所重視，它迫切需要相應(yīng)決策方法來(lái)提供支持。因此，本文將從新的角度并基于聚類算法來(lái)研究多屬性復(fù)雜大群體決策方法。 本文研究的群體復(fù)雜性主要體現(xiàn)在：復(fù)雜群體行為對(duì)群決策的影響、多方案群決策評(píng)判準(zhǔn)則權(quán)重的確定、個(gè)體意見(jiàn)發(fā)散的一致性修正等，針對(duì)考慮以上群體復(fù)雜性的大群體高效集結(jié)，本文設(shè)計(jì)了一種改進(jìn)的聚類算法(Minimum Fuzzy C-means，MFCM)，并提出了基于此算法的具有復(fù)雜群體行為的大群體決策方法、基于此算法及優(yōu)化硬C-均值聚類算法(Weighted Hard C-means，WHCM)的群體一致性修正方法，同時(shí)還設(shè)計(jì)了基于多智能體(Multi-agent)和數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse，DW)的多屬性復(fù)雜大群體決策支持系統(tǒng)(Multi-attribute Complex Huge Group-decision Support System，MCHGDSS)框架結(jié)構(gòu)，實(shí)現(xiàn)了其中基于聚類算法的MCHGDSS，最后對(duì)中國(guó)網(wǎng)絡(luò)消費(fèi)行為群體決策進(jìn)行了實(shí)證研究。 本文主要的研究成果如下： (1)提出了一種改進(jìn)的聚類算法和基于此算法的具有復(fù)雜群體行為的大群體決策方法。本文提出一種將多種復(fù)雜群體行為對(duì)群決策的影響和大群體高效集結(jié)綜合考慮的兩階段群體決策理論和方法。第一階段為群體思維交互決策，通過(guò)設(shè)計(jì)群體思維的五階段發(fā)展過(guò)程和基于民主型領(lǐng)導(dǎo)控制的多維空間沖突協(xié)調(diào)機(jī)制來(lái)控制復(fù)雜群體行為對(duì)群決策結(jié)果的影響；同時(shí)，為更好描述群體成員之間的關(guān)系，將群體成員視為一張圖，用鄰接矩陣表示成員之間的關(guān)系，應(yīng)用MFCM中的全部最小連通支配集算法(Minimum Connected Donating Set Algorithm，MCDSA)得到控制整個(gè)群體的民主型領(lǐng)導(dǎo)成員集。第二階段是群體集結(jié)，借助群體思維交互結(jié)果，將MFCM繼續(xù)應(yīng)用于多屬性復(fù)雜大群體決策中，能有效解決600個(gè)以上成員的集結(jié)。接著，本文還定義了群體偏好矢量和群體一致性指標(biāo)等概念，利用熵權(quán)法得到多方案群決策評(píng)判準(zhǔn)則權(quán)重，給出多屬性復(fù)雜大群體決策結(jié)果，最后通過(guò)計(jì)算機(jī)仿真實(shí)驗(yàn)和與其它方法的對(duì)比分析驗(yàn)證了該方法的有效性和正確性。 作為以上新方法的技術(shù)基礎(chǔ)，，本文針對(duì)傳統(tǒng)模糊C-均值聚類算法(Puzzy C-means，u=中存在的大數(shù)據(jù)量算法耗時(shí)和局部極值等問(wèn)題，結(jié)合圖論中最小連通支配集理論給出了一種新的聚類算法MFCM。改進(jìn)的MFCM算法一方面可以輔助大規(guī)模群體集結(jié)，另方面由于采用了圖論理論，可從關(guān)聯(lián)、控制的角度較好描述復(fù)雜群體行為對(duì)群決策的影響。 (2)提出了基于聚類算法的群體一致性修正方法。針對(duì)某個(gè)決策方案，本文從新的角度提出了一種基于聚類算法、且能面向較大規(guī)模群體、考慮成員學(xué)習(xí)進(jìn)化能力并有效收斂群體意見(jiàn)的群體一致性修正方法。本文認(rèn)為群體一致性修正是一個(gè)包含多輪決策過(guò)程的不斷進(jìn)化過(guò)程，并設(shè)計(jì)了群體成員學(xué)習(xí)進(jìn)化決策程序；接著，利用群體成員相似性和群體一致性的緊密關(guān)系，借助一種能夠處理大數(shù)據(jù)量聚類的C-均值類型聚類算法，通過(guò)梯度下降法以逐步優(yōu)化屬性權(quán)重，并逐漸修正群體一致性來(lái)避免因個(gè)別成員意見(jiàn)偏離太大而引起的群決策失誤；最后通過(guò)計(jì)算機(jī)仿真和實(shí)驗(yàn)對(duì)比分析驗(yàn)證了該方法的正確、有效性。經(jīng)過(guò)群體一致性修正后，可繼續(xù)利用基于聚類算法的具有復(fù)雜群體行為的大群體決策方法進(jìn)行決策。 (3)提出了一種新的數(shù)據(jù)挖掘關(guān)聯(lián)算子模型。分布、異構(gòu)式的多屬性復(fù)雜大群體決策支持系統(tǒng)需要利用數(shù)據(jù)挖掘手段獲取面向主題的、概括和聚集的信息，本文基于Anindya Datta等提出的一種實(shí)現(xiàn)數(shù)據(jù)挖掘分析的代數(shù)模型，通過(guò)增加新的關(guān)聯(lián)算子在跨多個(gè)多維立方體的分析方面拓展了這個(gè)模型。
【關(guān)鍵詞】：多屬性復(fù)雜大群體 群決策方法 群體一致性修正 群體決策支持系統(tǒng) 改進(jìn)的聚類算法
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2006
【分類號(hào)】：C934
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-38
• 1.1 選題背景與研究意義11-14
• 1.2 文獻(xiàn)研究綜述14-30
• 1.2.1 多屬性群體決策文獻(xiàn)研究綜述14-25
• 1.2.2 C-均值聚類算法及其中幾個(gè)問(wèn)題的文獻(xiàn)研究綜述25-29
• 1.2.3 研究現(xiàn)狀評(píng)述29-30
• 1.3 研究范圍的界定、邏輯結(jié)構(gòu)與主要工作30-35
• 1.3.1 研究范圍的界定30-31
• 1.3.2 邏輯結(jié)構(gòu)與主要工作31-35
• 1.4 主要?jiǎng)?chuàng)新點(diǎn)35-38
• 第2章 支持多屬性復(fù)雜大群體決策的聚類算法38-50
• 2.1 基于目標(biāo)函數(shù)聚類中聚類類別數(shù)的確定方法38-39
• 2.2 改進(jìn)的聚類算法MFCM39-46
• 2.2.1 最小連通支配集理論及全部最小連通支配集算法MCDSA39-45
• 2.2.2 模糊C-均值聚類算法FCM45
• 2.2.3 引入最小連通支配集理論的改進(jìn)的聚類算法MFCM45-46
• 2.3 實(shí)驗(yàn)結(jié)果及其對(duì)比分析46-49
• 2.3.1 連通支配點(diǎn)數(shù)與總點(diǎn)數(shù)的關(guān)系47
• 2.3.2 算法效率和穩(wěn)定性對(duì)比分析47-49
• 2.4 本章小結(jié)49-50
• 第3章 基于聚類算法的具有復(fù)雜群體行為的大群體決策方法50-87
• 3.1 聚類輔助群集結(jié)的幾種方法及分析50-57
• 3.2 基于聚類算法的兩階段群體決策理論及方法57-75
• 3.2.1 基于聚類算法的群體思維交互決策階段57-68
• 3.2.2 基于聚類算法的群體集結(jié)決策階段68-75
• 3.3 算例及其實(shí)驗(yàn)結(jié)果對(duì)比分析75-85
• 3.3.1 單方案群體決策算例及實(shí)驗(yàn)對(duì)比分析75-84
• 3.3.2 多方案群體決策算例84-85
• 3.4 本章小結(jié)85-87
• 第4章 基于聚類算法的群體一致性修正方法87-102
• 4.1 群體一致性修正的幾種方法及分析87-92
• 4.2 基于聚類算法的群體一致性修正方法92-98
• 4.2.1 成員學(xué)習(xí)進(jìn)化決策程序92-93
• 4.2.2 基于WHCM的屬性權(quán)重進(jìn)化群體一致性修正方法93-96
• 4.2.3 經(jīng)過(guò)一致性修正之后的多屬性復(fù)雜大群體決策相關(guān)定義96-98
• 4.3 實(shí)驗(yàn)結(jié)果及其對(duì)比分析98-101
• 4.3.1 有效性和正確性對(duì)比分析98-100
• 4.3.2 經(jīng)修正之后的群體一致性指標(biāo)改進(jìn)對(duì)比分析100-101
• 4.4 本章小結(jié)101-102
• 第5章 多屬性復(fù)雜大群體決策支持系統(tǒng)中有關(guān)問(wèn)題研究102-115
• 5.1 基于Multi-Agent和DW的MCHGDSS系統(tǒng)設(shè)計(jì)102-110
• 5.1.1 Multi-Agent的實(shí)現(xiàn)機(jī)制103-105
• 5.1.2 MCHGDSS的數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用105-110
• 5.1.3 基于Multi-Agent和DW的MCHGDSS110
• 5.2 基于改進(jìn)聚類算法的MCHGDSS系統(tǒng)實(shí)現(xiàn)110-114
• 5.2.1 開(kāi)發(fā)思路111
• 5.2.2 功能結(jié)構(gòu)111-112
• 5.2.3 系統(tǒng)運(yùn)行界面112-114
• 5.3 本章小結(jié)114-115
• 第6章 中國(guó)網(wǎng)絡(luò)消費(fèi)行為群體決策實(shí)證研究115-128
• 6.1 中國(guó)網(wǎng)絡(luò)消費(fèi)行為群體決策需求分析115-118
• 6.1.1 中國(guó)網(wǎng)絡(luò)消費(fèi)群體屬于多屬性復(fù)雜大群體115-116
• 6.1.2 網(wǎng)絡(luò)消費(fèi)行為研究理論框架116-117
• 6.1.3 中國(guó)網(wǎng)絡(luò)消費(fèi)行為復(fù)雜大群體決策的必要性117-118
• 6.2 中國(guó)網(wǎng)絡(luò)消費(fèi)行為群體決策實(shí)例118-123
• 6.2.1 調(diào)研數(shù)據(jù)的獲取118-119
• 6.2.2 網(wǎng)絡(luò)消費(fèi)行為群體決策實(shí)例119-123
• 6.3 實(shí)證結(jié)果及其對(duì)比分析123-127
• 6.3.1 本文的實(shí)證結(jié)果分析123-126
• 6.3.2 實(shí)證結(jié)果對(duì)比分析126-127
• 6.4 本章小結(jié)127-128
• 第7章 研究總結(jié)與展望128-133
• 7.1 本文研究工作總結(jié)128-131
• 7.2 存在的不足與研究展望131-133
• 參考文獻(xiàn)133-149
• 附錄1 基于改進(jìn)聚類算法MCHGDSS中部分類的屬性及方法149-154
• 附錄2 中國(guó)網(wǎng)絡(luò)消費(fèi)行為群體決策調(diào)查問(wèn)卷154-155
• 致謝155-157
• 攻讀博士學(xué)位期間主要研究成果157-158

【引證文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 陳可;基于不確定模糊判斷矩陣及序關(guān)系的群決策方法研究[D];中南大學(xué);2010年

2 畢文杰;基于粗糙集與貝葉斯理論的不確定信息群決策方法研究[D];中南大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 熊立春;基于Multi-agent的城市應(yīng)急聯(lián)動(dòng)協(xié)同系統(tǒng)研究[D];中南大學(xué);2010年

2 高琪;基于多智能體流域跨界環(huán)境風(fēng)險(xiǎn)協(xié)同決策模型與程序設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2011年

3 劉瑩;核電站事故應(yīng)急協(xié)同決策結(jié)果一致性與極化現(xiàn)象研究[D];哈爾濱工程大學(xué);2012年

4 張麗麗;雙重信息下大規(guī)模群體的聚類及集結(jié)模型研究[D];南京航空航天大學(xué);2012年

5 郭卓彥;基于群決策理論的公共項(xiàng)目投資決策方法研究[D];湘潭大學(xué);2012年

  本文關(guān)鍵詞：基于聚類算法的多屬性復(fù)雜大群體決策方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：263369